Introduction à R

Les logiciels d’analyse de données

Pourquoi R?

Open source

• Gratuit
• Collaboratif
• Communauté active
  • Stackoverflow
  • r-bloggers
• Adapté aux besoins des utilisateurs

Pourquoi R?

Packages

• Offre une extension des fonctionnalités de base presque infinie
• Peux répondre à des besoins très spécifiques
• 21,744 packages sur CRAN (Comprehensive R Archive Network)
  • Principal dépôt où sont hébergés les packages R
• Beaucoup plus sur GitHub
  • En plus de CRAN, de nombreux chercheurs publient leurs packages sur GitHub, une plateforme de partage de code

Pourquoi R?

Reproductibilité

• Rendre les analyses reproductibles
• Permet de partager les analyses
  • Les scripts R permettent de partager facilement le travail
• Permet de retracer les erreurs
• Partager le code
  • Encourage la transparence et la collaboration dans la recherche

Pourquoi R?

Très utilisé en science sociale

• Beaucoup de ressources
• Beaucoup de tutoriels orientés vers les sciences sociales
  • Datacamp
  • Coursera
  • Datanovia

Bref… important d’utiliser les mêmes outils que les chercheurs dans votre domaine

Installer R et RStudio

• C’est quoi la différence entre R et RStudio?
• R est le moteur, RStudio est l’interface
• RStudio facilite l’utilisation de R
• RStudio est un IDE (Integrated Development Environment)

À télécharger :

• Installer R
• Installer RStudio

Concept important : Le chemin d’arborescence

• À tout moment vous devez savoir où vous êtes dans votre ordinateur pour pouvoir importer des données, exporter des graphiques ou mettre des fichiers en relation
• Votre R est toujours ouvert dans un dossier, et donc vous devez savoir où il est pour pouvoir importer des données
• La fonction getwd() dans R permet de savoir où vous êtes

Concept important : Planifier avant de coder

La plus grosse erreur est de commencer à coder sans savoir ce que vous voulez faire

• Clarifer vos objectifs: Qu’est-ce que vous voulez faire?
  • Nettoyer des données?
  • Faire un graphique?

Les possibilités sont infinies, donc il est important de savoir où vous voulez aller

Concept important : Décomposer le problème

• Une fois que vous savez ce que vous voulez faire, il est important de décomposer le problème en petites étapes
• Un script R pour une seule tâche
  • Bien nommer vos scripts pour savoir ce qu’ils font
  • Exemples:
    • nettoyage_donnees.R
    • graphique.R
• Chaque script doit être clair et facile à comprendre
• Commenter votre code avec des #